Jev是什麼？前OpenAI研究員打造一款「不會聊天」的AI模型！
前OpenAI研究員打造的AI模型Jev，不聊天、不寫文章，只負責快速做判斷，還會說出自己有幾成把握，本文整理Jev和ChatGPT的差異、設計理念、價格速度與應用示範。
文／《104職場力》
本文目錄（點擊可快速前往）
當各家AI公司在比拼誰的模型更會聊天、寫程式，曾參與ChatGPT背後研究的前OpenAI研究員Diogo Almeida，卻選擇另一條路。
他所創辦的TypeSafe AI於2026年9月15日發表第一款模型Jev，這款AI不陪人聊天，也不寫文章，只專門在軟體裡快速「做判斷」。
Jev跟別家產品有多不同？底下為各位整理其設計理念、核心特色、價格速度與應用示範。
Jev是什麼？和ChatGPT等AI語言模型有什麼不同？
如前言，Jev是TypeSafe AI推出的第一款AI模型，官方把這類模型稱為「System One模型」。
為什麼叫Jev？名字背後的「傑文斯悖論」
根據官方說明，「System One模型」這個名稱，來自心理學家康納曼的暢銷書《快思慢想》，書中把人的思考分成兩種：
- 快速、憑直覺的「系統一」
- 緩慢、仔細推敲的「系統二」
Jev做的就是類似「系統一」的快速判斷。
而這個名字則是取自英國經濟學家傑文斯（William Stanley Jevons），當年傑文斯發現，蒸汽機變得更有效率、更省煤之後，煤炭的總用量不減反增，因為更多地方開始用得起蒸汽機，這就是後來的「傑文斯悖論」。
TypeSafe AI認為，AI也會走上類似的路：當AI的使用成本越來越低，原本不划算的用途都會變得可行，AI被使用的地方只會越來越多。
Jev和其他AI語言模型的差異
它和ChatGPT最大的不同是：它不回給使用者一大段文字，只從事先設定好的選項中快速挑出答案，例如「是或不是」、「屬於哪一類」，讓其他軟體可以直接拿結果執行下一步。
以下依官方發表文章，整理一般AI語言模型與Jev的性能對照表：
| 比較項目 | 一般大型語言模型 | Jev |
| 回答方式 | 寫出一段文字，內容自由，但可能出現錯誤資訊或格式不符 | 只從事先設定好的選項中挑答案，不會答出選項以外的內容 |
| 產生方式 | 一個字一個字依序寫出來 | 一次同時給出所有問題的答案 |
| 把握程度 | 就算要求它評估自己有多確定，也常過度自信、前後不一 | 每個答案都會附上「有幾成把握」，越有把握通常越準 |
| 適合用途 | 聊天、寫作、寫程式等需要人在旁邊確認的工作 | 分類、分派、評分等需要大量快速判斷的工作 |
Jev目前還在搶先體驗階段，只開放開發者申請使用，有興趣的人可以到TypeSafe AI官網申請，使用方式可參考官方文件。
雖然Jev尚未普及，但我們可以先從它的設計理念與特色，看看這種新型態的AI，未來可能如何出現在我們每天使用的系統裡。
TypeSafe AI為什麼要做Jev？不追AGI的3個理念
TypeSafe AI在官網發表了一篇宣言，標題是「Build Prod, Not God」，意思是：與其打造無所不能的「神」，不如做出真正能上線使用的產品。
宣言中提到了3個想法：
理念1：AI夠聰明了，問題是不好用
TypeSafe AI認為，現在的AI已經夠聰明，足以創造龐大的價值，不需要再追求AGI（通用人工智慧，也就是像人一樣什麼都會的AI），他們觀察AI產業已經投入好幾年、數兆美元，但大多數軟體還是沒有變聰明，一般人的生活也沒有太大改變，表示這和AI本身的聰明度無關，是現在的AI很難被裝進既有的軟體裡使用。
理念2：現在的AI就像「沒有馬的馬車」
新技術剛出現時，常常會先模仿舊東西的樣子，之後才慢慢找到最適合自己的形式，就像最早的汽車其實只是把馬車的馬換成引擎，連馬車的高座椅、彈簧，甚至插馬鞭的座子都保留下來。
TypeSafe AI表示，現在的AI也是這樣，被訓練成有禮貌、很會說話的助理，是因為設計者假設對面坐著一個人，但這也代表AI需要有人在旁緊盯，沒辦法在背景自動運作。
理念3：讓AI像基礎工具一樣穩定可靠
宣言提到，當年打造資料庫、網路技術的人，並沒有預料到後來會出現Google這樣的服務，正因為這些底層技術夠穩定，後人才能在上面不斷開發出新應用。
TypeSafe AI希望AI也能變成這樣的基礎工具，只要每次呼叫都穩定可靠，開發者就能放心把它放進各種系統，一層一層疊加出新的應用。
Jev最大特色：會說出自己「有多確定」
官方在發表文章中舉了一個例子：假設一個AI有95%的機率能做對，卻說不出哪些時候會落在那5%的錯誤裡，這項工作就無法放心交給它自動處理，因為人還是得每一筆都檢查一次。
為了解決這個問題，Jev的每個答案都會附上「有幾成把握」，官方表示，Jev的把握程度經過「校準」，意思是它說的「把握程度」會和實際的正確率一致：越有把握的答案，通常越準；遇到相似的問題，也會給出相似的答案。
這個能力來自團隊自行開發的訓練方法「校準決策強化學習」（RLCD），不同於ChatGPT等模型主要是讓AI寫出人類喜歡的回答；RLCD的目標則是讓AI做判斷時，有幾成把握就說幾成。
※官方圖表中，Jev的「幻覺率」（AI給出錯誤或捏造內容的比例）標示為0%，但官方說明，因為Jev只會從設定好的選項中挑答案，不可能答出選項以外的內容，雖然不會亂答，但不代表每次都答對。
Jev速度多快？價格多少？官方數據整理
以下是官方公布的速度與價格。價格以token計算，token是AI計算文字量的單位：
| 項目 | 一般大型語言模型 | Jev |
| 輸入價格（每100萬token） | 約0.2～10美元 | 0.042美元 |
| 輸出價格 | 約為輸入價格的5倍 | 不收費 |
| 回應時間 | 約3～329秒 | 約0.07～0.5秒 |
TypeSafe AI官網首頁宣傳「Jev快193.6倍、便宜444.6倍」，這組數字來自官方自己設計的測試：讓每個AI模型執行同一套工作流程，再以GPT-6 Astra與Fable 5.1兩個大型模型答案的平均當作標準，比較各模型的表現。
※官方也主動說明這些數據的限制：
- 193.6倍、444.6倍預期是實際使用時效益的上限，一般情況下不一定能達到。
- 測試題目由官方團隊設計，可能有偏誤。
- 以GPT-6 Astra與Fable 5.1的答案作為標準，會讓結果偏向OpenAI與Anthropic的模型。
- 速度數據多是在官方位於美國西岸的筆電上測得。
- 官方無法證明目前的價格沒有補貼，但表示預期未來只會降價、不會漲價。
Jev可以用在哪裡？官方應用方向與示範
官方列出的4大應用方向
| 應用方向 | 可以怎麼用 |
| 自動化工作流程 | 放在程式裡負責判斷，例如分類、分派、評分、擷取資料，處理用固定規則很難寫清楚的情況 |
| 大量資料處理 | 從龐大的資料中，快速整理出重點與特徵 |
| 即時應用 | 速度快到約0.1秒，適合需要馬上反應的服務 |
| 檢查其他AI | 替其他AI的回答評分、把關，也能偵測有人試圖用特殊指令誘騙AI的「越獄攻擊」 |
示範1：玩電玩遊戲《毀滅戰士》
官方示範讓Jev即時操作經典射擊遊戲《毀滅戰士》（Doom），每秒大約做10次判斷，成本約每小時7美元。
不過官方也說明，Jev讀的是用文字描述的遊戲狀況，還不是直接「看」遊戲畫面；如果單純比遊戲表現，專門寫好的遊戲程式其實可以玩得更好，這個示範的重點是「展現AI能依照指令即時做出反應」。
示範2：維基百科接龍
這個遊戲的玩法是：從一個維基百科頁面出發，只能點頁面裡的連結，看誰最快抵達指定的目標頁面，每走一步，都可能要從數百到上千個連結中挑一個。
官方表示，Jev一個問題最多可以設定255個選項，超過時就改成「先替每個選項打分數，再從中挑選」的兩步驟方式，但官方也坦承，這個示範的速度優勢比其他示範小，因為對照的大型模型多數沒有開啟深度思考模式。
Jev對上班族有什麼影響？
未來當上班族也能接觸這款AI時，它可能會帶來以下幾種改變：
- AI會更常在看不見的地方工作
客服派單、內容審核、資料分類等工作，每天都有大量重複的小判斷，這正是Jev這類AI瞄準的地方，未來的AI不一定都是聊天視窗，也可能直接藏在每天使用的系統裡。
- 會把問題拆清楚的人更吃香
Jev需要使用者事先設定好問題和選項才有辦法給出回應，因此能把模糊的工作拆成一個個清楚的判斷題，是和這款AI合作的重要能力。
- 看得懂AI的「把握程度」
當AI開始說出自己有幾成把握，懂得判斷哪些情況可以交給系統、哪些需要人工再確認的人，會在自動化的工作流程中扮演關鍵角色。
雖然Jev仍在早期階段，官方公布的數據也有待更多實際使用來驗證，但它提出的方向很值得思考，AI的下一步，也許不是變得更像人，而是像一個穩定可靠的工具，默默嵌進我們工作的每個環節。
（資料來源：TypeSafe AI官網〈Manifesto〉；TypeSafe AI官方發表文章〈Introducing System One Models & Jev〉）
延伸閱讀：
